# Jevとは？判断だけに特化したAIの仕組みと使い方をPlaygroundで試しながら分かりやすく解説！ > Jev（ジェブ）とは、TypeSafe AIが2026年9月に公開した「判断だけ」に特化したAIです。本記事では、LLMとの違い、stateとquestionsの仕組み、自信度の使い方、使いどころと注意点、Playgroundでの使い方まで図解で解説します！ - URL: https://toukei-lab.com/jev - 公開: 2026.10.28 - サイト: スタビジ（https://toukei-lab.com） :::talk{who="umatan"} 当サイト【スタビジ】の本記事では、「判断だけ」に特化した新しいAI「Jev（ジェブ）」について分かりやすく解説していきます！仕組みや使いどころから、ブラウザで試せるPlaygroundでの使い方まで見ていきましょう！ ::: こんにちは！ウマたんです！ AIに「このメール、急ぎ？」「このコマンド、実行しても大丈夫？」と聞いたとき、本当に欲しいものって何でしょう？ そう、長い説明文じゃなくて、パッと返ってくる「判断」ですよね！ でも、ChatGPTのようなLLMに判断をさせると、答えが返ってくるまで何秒も待たされたり、頼んだ形式と違う答えが返ってきたり…意外と使いにくいんです。 そんな悩みを解決するために生まれたのが、「判断だけ」に特化した新しいAI「**Jev（ジェブ）**」です！ :::talk{who="man" side="left"} 判断だけするAIって、ChatGPTと何が違うの？ ::: :::talk{who="woman"} 実際にどうやって使うのか、手を動かして試してみたい！ ::: 本記事では、次の内容を順番に解説していきます。 :::point **・Jevとは？**\ **・LLMに判断させるときの3つの困りごと**\ **・Jevの仕組み（System 1、stateとquestions、3つの質問タイプ）**\ **・自信度と閾値**\ **・速さとコスト・使いどころ**\ **・苦手なこと・LLMとの組み合わせ**\ **・Jevの使い方（Playgroundで試す）** ::: 以下のYouTube動画でも解説していますので、あわせてチェックしてみてください！ ::youtube{#UbJoKNYAqhk} ## Jevとは？ **Jevとは、決められた選択肢の中から答えを選んで、その答えにどれくらい自信があるかを数字で返してくれる「判断専用」のAI**です。 ### TypeSafe AIが2026年9月に公開したAIモデル Jevは、アメリカ・サンフランシスコのスタートアップ「**TypeSafe AI**」が、2026年9月に公開したAIモデルです。 創業者は、ChatGPTの土台となった研究「**InstructGPT**」の論文に名を連ねた研究者。 ![TypeSafe AIが2026年9月に公開。創業者はInstructGPTの論文に関わった研究者](/wp-content/uploads/2026/10/jev-company.jpg) InstructGPTは、OpenAIが2022年に発表した研究です。人の評価をもとにした強化学習（RLHF）で、言語モデルが人の指示に沿った答えを返せるようにしたもので、ChatGPTのもとになりました。 そんなLLMの最前線にいた人が、あえてLLMとは逆の方向を目指して作ったのが、このJevなんです。 ### 文章を書くAIではなく「選ぶAI」 ざっくり言うと、Jevは文章を書くAIではありません。 決められた選択肢の中から答えを選んで、その答えにどれくらい自信があるかを数字で返してくれる、「判断専用」のAIなんです！ ![文章を書くAI（LLM）と、選択肢から選んで自信度を返すAI（Jev）](/wp-content/uploads/2026/10/jev-choose.jpg) LLMとJevのちがいを表にすると、次のとおりです。 | | LLM（ChatGPTなど） | Jev | |---|---|---| | 返すもの | 文章 | 決めた選択肢の中の答え＋自信度 | | 答えの形 | 頼んでも形がずれることがある | 決めた形でしか返ってこない | | 得意なこと | 文章を書く、じっくり考える | すばやく、大量に判断する | | 速さ | 長い答えだと何秒もかかる | ほとんどが1秒未満 | ## LLMに判断させるときの3つの困りごと ではなぜ、わざわざ判断専用のAIが必要なのでしょうか？ 実はLLMに判断をさせると、大きく3つの困りごとがあるんです。 ### ① 遅くて高い 1つ目は、遅くて高いこと。 LLMは、次に来る言葉を予測しながら、文章を一語ずつ組み立てていきます。 そのため、答えが「はい」の一言だったとしても、前置きや考える過程まで書き出すと、時間もお金もかかってしまうんです。 LLMのAPIの料金は、読み込んだ文字の量と書き出した文字の量（トークン数）で決まることが多いので、判断を何万回もくり返すような使い方では、この差がどんどん大きくなります。 ### ② 答えの形が安定しない 2つ目は、答えの形が安定しないこと。 「AかBで答えて」とお願いしても、余計な説明がついてきたり、選択肢にない答えが返ってきたりします。 :::box{title="「はい」か「いいえ」で答えてと頼んだのに…"} **頼んだこと**：「このメールは急ぎ？『はい』か『いいえ』で答えて」\ **返ってきがちな答え**\ ・「はい。件名に『至急』とあるため、急ぎだと考えられます。ただし…」\ ・「急ぎではないと思いますが、念のため確認をおすすめします」\ ・「この情報だけでは判断が難しいです」 ::: 人が読むならどれも問題ありませんが、プログラムで扱おうとすると、これがなかなか面倒なんですよね。 「はい」の文字を探して、なければやり直して…といった後処理が必要になってしまいます。 ### ③ 自信の度合いが当てにならない 3つ目は、自信の度合いが当てにならないこと。 LLMって、間違っているときでも自信満々に答えちゃうことがあるんです！ もっともらしいウソをつく現象は「ハルシネーション」と呼ばれます。原因と対策は以下の記事で解説しています。 「この答えはどれくらい信じていいの？」が分からないと、AIの判断をそのまま自動の処理につなげるのは怖いですよね。 ## System 1 と System 2 そこで登場するのが、Jevです。 TypeSafe AIは、Jevのことを「**System Oneモデル**」と呼んでいます。 これは、2002年にノーベル経済学賞を受賞した心理学者、**ダニエル・カーネマン**の「**ファスト＆スロー**」という考え方がもとになっています。 人間の思考には、直感でパッと判断する「**System 1**」と、じっくり考える「**System 2**」の2つがある、というものです。 | | System 1 | System 2 | |---|---|---| | 考え方 | 直感で、速く | じっくり、順を追って | | 人間の例 | 「2＋2は？」にすぐ答える | 「17×24は？」を筆算で解く | | AIでいうと | Jev | LLM | ![直感でパッと判断するSystem 1がJev、じっくり考えるSystem 2がLLM](/wp-content/uploads/2026/10/jev-system1.jpg) 文章を組み立てながら考えるLLMが「System 2」だとすると、Jevは一瞬で判断を下す「System 1」。 つまり、JevはAIの「直感」の部分を担当してくれるんです！ ## Jevの仕組み それでは、Jevの仕組みを見ていきましょう！ ### 渡すのは「state」と「questions」の2つだけ 使い方はめちゃくちゃシンプル。渡すものは、たったの2つです。 :::box **・state**：判断の材料になる情報（メールの本文、問い合わせの文章など）\ **・questions**：その情報についての質問 ::: たとえば、お客さんから届いた問い合わせメールをstateとして渡して、「どの部署に回すべき？」「緊急度はどれくらい？」「返金を求めている？」といった質問をまとめて送ります。 ![stateとquestionsを渡すと、Jevがすべての質問に一瞬で答える](/wp-content/uploads/2026/10/jev-mechanism.jpg) すると、Jevはすべての質問を同時に、それぞれ独立して判断してくれます。 だから、質問をいくつ増やしても、待ち時間はほとんど変わりません！ | 質問 | 返ってくる答えの例 | |---|---| | どの部署に回すべき？ | 請求 | | 緊急度はどれくらい？ | 4 / 5 | | 返金を求めている？ | はい（0.9） | しかも、返ってくるのは文章ではなく、プログラムでそのまま使える形の答え。 決めた選択肢の外の答えが返ってくることは、仕組み上ありえないんです！ LLMで困っていた「答えの形が安定しない」問題が、そもそも起きないようになっているわけですね。 ### 3つの質問タイプ 質問には、3つのタイプがあります。 ![Choice・Score・Noulの3つの質問タイプ](/wp-content/uploads/2026/10/jev-types.jpg) | タイプ | どんな質問か | 返ってくるもの | 使いどころの例 | |---|---|---|---| | Choice | 選択肢の中から1つを選ぶ | 選択肢ごとの確率と、全体の自信度 | 問い合わせを部署に振り分ける | | Score | あらかじめ決めた基準で点数をつける | 点数 | バグの深刻度、緊急度の評価 | | Noul（ノウル） | はい・いいえで答えられる問い | 0〜1の確率 | 「返金を求めているか？」 | 1つ目の「**Choice**」は、選択肢の中から1つを選ぶタイプで、部署の振り分けなどに使えます。選択肢ごとの確率と、全体の自信度も一緒に返ってきます。 2つ目の「**Score**」は、あらかじめ決めた基準で点数をつけるタイプで、バグの深刻度や、緊急度の評価なんかにピッタリです。 3つ目の「**Noul（ノウル）**」は、「返金を求めているか？」のような、はい・いいえで答えられる問いに、0から1の確率で答えてくれるタイプです。 この3つを組み合わせるだけで、いろんな判断をプログラムに組み込めてしまうんですね！ ## 自信度と閾値 そして、Jevのいちばんの特徴が、この「**自信度**」です。 JevはRLCDという独自の方法で学習していて、自信度の数字が、実際の当たりやすさに近くなるように調整されています。 たとえば「自信度90%」と答えた判断を集めてみたら、だいたい9割が当たっている。そんな状態を目指しているわけです。このように、自信度と実際の正解率をそろえることを「キャリブレーション（較正）」と呼びます。 ### 自信度で「誰がやるか」を分ける これが何に役立つのかというと… ![自信度に応じて、自動で実行・確認をはさむ・人間にバトンタッチを分ける](/wp-content/uploads/2026/10/jev-confidence.jpg) | 自信度 | 次の動き | |---|---| | 高い | そのまま自動で実行 | | 中くらい | 確認をはさむ | | 低い | 人間にバトンタッチ | こんな仕組みが、簡単に作れてしまうんです！ プログラムで書くと、たとえば次のようなイメージです（数字は考え方の例です）。 ```python # 自信度に応じて、次の動きを決める（考え方の例） if confidence >= 0.9: run_automatically() # 自動で実行 elif confidence >= 0.6: ask_for_confirmation() # 確認をはさむ else: hand_over_to_human() # 人間にバトンタッチ ``` この 0.9 や 0.6 のように、「ここから上は任せる」と線を引く値のことを「**閾値（しきい値）**」と呼びます。 ### 操作のリスクに合わせて閾値を変える さらに、操作のリスクに合わせて閾値を変える、といった使い分けもできます。 | 操作 | リスク | 進め方 | |---|---|---| | 残高の確認 | 低い | すぐに実行 | | お金の振り込み | 高い | 自信度がかなり高いときだけ、確認をはさんで進める | AIに任せるところと、人間が見るところを、数字でハッキリ線引きできる。これがJevの大きな強みなんです！ ## Jevの速さとコスト さらにJevは、とにかく速くて安い！ 1回の判断にかかる時間は、ほとんどが1秒にも満たないくらい。まさに一瞬です。 料金も、LLMと比べるとケタ違いに安く設定されています。 開発元の比較では、最新のLLMより何十倍、何百倍も速くて安いとされているんです！ :::warn これは開発元が出した、いちばん良い条件での数字です。実際の効果は使い方によって変わるので、自分の使い方で試して確かめましょう。料金も変わることがあるので、使う前に公式サイトで確認してください（2026年10月時点の情報です）。 ::: ## Jevの使いどころ では、Jevは実際にどんな場面で使われているのでしょうか？代表的な例を見ていきましょう！ ![問い合わせの分類・エージェントの見張り役・LLMの回答の検品・あやしい命令のチェック・LLMの振り分け役](/wp-content/uploads/2026/10/jev-usecases.jpg) :::box{title="Jevの使いどころ"} **・問い合わせやメールの分類**：内容を読み取って、担当部署や緊急度を一瞬で振り分ける\ **・AIエージェントの見張り役**：エージェントがコマンドを実行する前に「この操作、危なくない？」をチェックする\ **・LLMの回答の検品**：LLMが書いた文章が、元の資料と矛盾していないかを確かめる\ **・あやしい命令のチェック**：外から読み込んだ文章に、AIをだます命令がまぎれていないかを調べる\ **・LLMの振り分け役**：質問の難しさに応じて、軽いLLMと賢いLLMを切り替える ::: ### AIエージェントの見張り役 特に面白いのが、AIエージェントの見張り役です。 コーディングエージェントは、ファイルを消したり、プログラムを動かしたりするコマンドを自分で実行します。 その前に、「この操作、危なくない？」をJevがチェックしてくれるんです。 ある開発者の事例では、膨大な数の操作を見張って、止めた操作のほとんどが正しい判断だったと報告されています。 AIエージェントの作り方については、以下の記事で解説しています。 ### あやしい命令のチェック Webページやメールなど、外から読み込んだ文章の中に「これまでの指示を無視して…」のような命令をこっそり入れて、AIをだまそうとする攻撃があります。 これは「**プロンプトインジェクション**」と呼ばれる攻撃です。 読み込んだ文章をLLMに渡す前に、Jevで「AIをだます命令が入っていないか？」を判定しておけば、守りを一段かたくできます。 こんなふうにJevは、LLMを陰で支える名脇役として、どんどん活躍の場を広げているんです！ ## Jevの苦手なこと・注意点 もちろん、Jevにも苦手なことがあります。 ![文章・コード・理由の説明・画像・音声・計算・日付の比較・多段階の推論は苦手](/wp-content/uploads/2026/10/jev-weak.jpg) まず、文章やコードを書くことはできません。理由の説明もしてくれないので、チャットAIの代わりにはならないんです。 解説動画の時点では、入力できるのはテキストだけで、画像や音声は扱えませんでした。 文字・画像・音声をまとめて扱えるAIについては、以下の記事で解説しています。 なお、2026年10月にPlaygroundを開いたときには、画像を扱う機能が試験的な扱いとして案内されていました。今後の更新で変わっていきそうなところです。 それから、計算や数を数えること、日付の比較、何段階もの推論が必要な判断も苦手です。 こういうところは、プログラムの側で処理してあげましょう！ | 苦手なこと | どうするか | |---|---| | 計算・数を数える | プログラムで計算してから、結果をstateに入れる | | 日付の比較 | 「締め切りまであと3日」のように、プログラムで差を出してから渡す | | 何段階もの推論 | 質問を小さく分けて、1つずつ判断させる | | 文章を書く・理由を説明する | LLMに任せる | :::warn 関係のない情報が大量に混ざっていたり、Jevをだまそうとする文章が入っていたりすると、精度が落ちることもあります。万能ではない、ということはしっかり頭に入れておきましょう。 ::: ## LLMとの組み合わせ ここまで見てきて、勘の良い方はお気づきかもしれませんが… JevはLLMの代わりではなく、LLMの「**相棒**」のような存在なんです。 | | 担当すること | |---|---| | LLM | じっくり考える、文章を書く | | Jev | すばやく、大量に判断する | たとえば、問い合わせの対応なら次のような分担ができます。 :::box{title="LLMとJevの分担の例"} **1.** 問い合わせが届いたら、Jevが種類と緊急度を一瞬で判定する\ **2.** 返信が必要なものだけ、LLMが返信の下書きを書く\ **3.** Jevの自信度が低いものは、人がチェックする ::: この2つを組み合わせることで、速くて、コストも抑えて、しかも判断の確かさまで数字で確かめられるAIの仕組みが作れるようになるんです！ ChatGPTのもとになっている大規模言語モデル（LLM）の仕組みについては、以下の記事を参考にしてみてください。 ## Jevの使い方（Playgroundで試す） それでは、実際にJevを使っていきましょう！ Jevには、ブラウザだけで試せる「**Playground**」が用意されています。プログラムを書かなくても、質問を作って、文章を判定させるところまで体験できるんです。 ここでは例として、怪しいメール（フィッシングメール）を見抜く判定を作ってみます。 ### Playgroundを開く まずは、Jevを試せるPlaygroundを開くまでの流れです。 :::box{title="Playgroundを開くまでの流れ"} **1.** Googleで「Jev」と検索して、Jevを提供している「TypeSafe AI」のサイトを開く（ちょっとレトロなデザインです）\ **2.** 「API Console」から、自分のアカウント（Googleアカウントなど）でログインする\ **3.** 初めてのときは、役割や使い方などを聞かれることがあるので、答えていく\ **4.** 「Balance（残高）」にお金を入れる。残高がないとJevは動かせません ::: 収録時は、最小で5ドルから入金できました。まずは5ドルほど入れて、いろいろ実験してみるのがオススメです。 ログインすると、左のメニューに次の項目が並んでいます。 | メニュー | できること | |---|---| | Home | お知らせや使い方の例を見る | | Playground | ブラウザで質問を作って試す | | Usage | どのくらい使ったかを確認する | | API Keys | プログラムから呼び出すためのキーを発行する | | Documentation | 公式ドキュメントを開く | 分からなくなったら、基本的にはDocumentation（公式ドキュメント）を見るのがいいですね。 :::warn AIツールの画面はどんどん変わっていきます。ここで紹介しているのは2026年10月時点の画面なので、ボタンの名前や位置が変わっていることがあります。 ::: ### 質問を作る（Noul・Choice・Score） Playgroundを開くと、左上に「**State**」、左下に「**Questions**」、右に結果が出る「**Response**」が並んでいます。 Stateに判定したい文章を入れて、Questionsにその文章への質問を書く、という形です。 Questionsの欄を開くと、使える質問のタイプが表示されます。 ![PlaygroundのQuestionsの欄。noul・score・choice・boxの4つのタイプが並ぶ](/wp-content/uploads/2026/10/jev-playground-types.jpg) noul・score・choiceの3つが、さきほど紹介した3つの質問タイプです。boxは、画像の中の位置（座標）を返す実験的なタイプなので、基本的にはnoul・score・choiceの3つだと思ってください。 ここに、3つの質問を作っていきます。 | 質問の名前 | タイプ | 聞くこと | |---|---|---| | is_phishing | noul | このメールはフィッシングメールである可能性が高い？ | | email_type | choice | このメールはどの種類に最も近い？（フィッシング／マーケティング／その他） | | risk_level | score | このメールを受信したユーザーが被害に遭うリスクを3段階で評価して | それぞれの質問は、次の3つでできています。 :::box **・type**：質問のタイプ（noul・choice・score）\ **・instructions**：Jevへの質問文\ **・criteria**：判断の基準。noulならtrueとfalseがどんなものか、choiceなら選択肢ごとの説明、scoreなら低い段階から順に並べた説明 ::: criteriaは英語で「基準」という意味です。Jevは、この基準に照らし合わせて答えを選んでくれるわけです。 実際に作ったQuestionsは、次のようになりました。 ```json { "is_phishing": { "type": "noul", "instructions": "このメールはフィッシングメールである可能性が高い？", "criteria": { "true": "偽装された送信元とか、過度な緊急性、そして認証情報の入力の要求など、不正な誘導をするような兆候がある。", "false": "不正の誘導が特になく、兆候がなく、正常なメールだと考えられる。" } }, "email_type": { "type": "choice", "instructions": "このメールはどの種類に最も近い？", "criteria": { "phishing": "認証情報などを盗むことを狙った不正メール。", "marketing": "商品の宣伝だったりとか、サービスの宣伝をするマーケティングメール、プロモーションメール。", "other": "それ以外のメール。" } }, "risk_level": { "type": "score", "instructions": "このメールを受信したユーザーが被害に遭うリスクを評価して。", "criteria": [ "不正な誘導の兆候がほぼない。", "不審な点はあるが、直接的な危険性は低い。", "警戒が必要な兆候がかなりある。危険性が高い。" ] } } ``` ポイントをいくつか補足しておきます。 :::point **・1つ目の質問を書いたら、「Add Question」から質問を足していける**\ **・choiceの選択肢は、最初は option_a などの名前になっているので、phishing のように分かりやすい名前に変えておく**\ **・基準（criteria）は、細かく書いても、簡潔に書いても大丈夫** ::: 基準の文章は少し長くなるので、収録では音声入力のツールを使って書いていました。手で打っても、もちろん問題ありません。 ### メールを判定させる 質問ができたら、Stateに判定したいメールを入れて、実行（Run）してみましょう！ 1通目は、アカウントの停止をちらつかせて、パスワードを入力させようとするメールです。 ```json { "sender": "security@paypa1-example.example", "subject": "【重要】アカウント利用停止のお知らせ", "body": "お客様のアカウントに不審なアクセスが検出されました。30分以内に本人確認を完了しない場合、アカウントは永久に停止されます。下記のリンクからログインし、パスワードを入力してアカウントを復旧してください。", "link_text": "アカウントを確認する" } ``` 送信元のドメインが「paypa1」と、数字の1が混ざっていて怪しいですよね。「30分以内」「永久に停止」と急がせているところも、人間が見ても怪しいと感じるはずです。 これを実行すると… ![1通目の結果。is_phishingは98%でtrue、email_typeはphishingが100%、risk_levelは最大の2](/wp-content/uploads/2026/10/jev-result-phishing.jpg) ちゃんと、is_phishingが98%でtrue、email_typeは100%でフィッシング、risk_levelはいちばん危ない「2」になりました！ 同じように、2通目と3通目も判定してみた結果がこちらです。 | メール | is_phishing（noul） | email_type（choice） | risk_level（score） | |---|---|---|---| | 1通目：アカウント停止をちらつかせて、パスワードを入力させる | true 98% | phishing 100% | 2（危険性が高い） | | 2通目：「至急」と急がせて、給与の振込先として口座情報やパスワードを入力させる | true 97% | phishing 100% | 2（危険性が高い） | | 3通目：本人が頼んだパスワード再設定の案内 | true 7% | other 99% | 0.03（ほぼ0。不正な誘導の兆候がほぼない） | 3通目は、パスワード再設定の案内メールです。Stateには「受信者本人がパスワード再設定を要求しており、送信元も正規のものだと確認済み」という補足（context）も入れています。 ![3通目の結果。is_phishingは7%、email_typeはother、risk_levelはほぼ0](/wp-content/uploads/2026/10/jev-result-safe.jpg) is_phishingは7%、種類は「その他」、リスクもほぼ0。確かにフィッシングでもマーケティングでもないですよね。 怪しいメールはしっかり怪しいと、安全なメールは安全だと判定できました！ しかも、判定のスピードがめちゃくちゃ速いんです。結果の上には「jev-preview 28ms + 447ms」のようにかかった時間が出ていて、3通とも1秒かからずに返ってきました。 判定したい文章と質問を用意するだけで、Jevがすぐに判断を返してくれる。ここまでが、ブラウザで試せるJevの入り口です！ ### プログラムから呼び出すには Playgroundで質問の作り方に慣れたら、次はプログラムから呼び出してみましょう。 メニューの「API Keys」でキーを発行すると、そのキーを使ってプログラムからJevを動かせます。 ウマたんのUdemy講座では、ここからさらに一歩進んでいきます。 :::box{title="Udemy講座で作るもの"} ・Claude Codeを使って、Jevをプログラムから呼び出す\ ・問い合わせの「緊急度」と「種類」を、自動で判定する\ ・機械学習やClaudeと、正解率・速度・コストを比べる\ ・分かれ道ごとにJevが進む方向を選ぶ「迷路脱出AI」を作る ::: Playgroundから迷路脱出AIまで、画面を見ながら、ひとつずつ一緒に進めていきます。プログラミング未経験の方でも、安心して始められる内容です！ ::button[【初心者向け】判断特化AI「Jev」入門｜LLMより速く・安くAIに判断させる実践講座]{href="https://www.udemy.com/course/ai-jev-llm/"} ## Jevのまとめ 最後に、今回のポイントをおさらいしましょう！ :::point **・Jevは、文章ではなく「判断」だけを返す、System Oneモデル**\ **・渡すのはstate（情報）とquestions（質問）の2つ。質問はChoice・Score・Noulの3タイプ**\ **・答えに自信度がつくので、AIに任せるか、人がチェックするかを、プログラムで決められる**\ **・文章を書くことや計算、何段階もの推論は苦手。LLMと組み合わせることで本当の力を発揮する**\ **・Playgroundなら、ブラウザだけで質問を作って試せる** ::: :::talk{who="umatan"} 要は、AIに「直感」という新しい武器が加わった、ということなんです！まずはPlaygroundで、身近なメールを判定させてみてください！ ::: LLMや生成AIを体系的に学びたいのであれば、当メディアが運営するスクール「**[スタアカ](https://toukei-lab.com/achademy/)**」がオススメです！ :::box **[業界最安級のAIデータサイエンス特化スクール「スタアカ」](https://toukei-lab.com/achademy/)** :::